PHP HTML代码串 截取实现代码


Posted in PHP onJune 29, 2009

而且给的数据是HTML代码串,比如这样:

<div class=”aaa”><a href=”/aaa.php?id=1″>张三</a>  评论了 <a href=”/aaa.php?id=444″>李四</a> 分享的 <a href=”bbb.html”>一篇文章文章一长串的东西</a></div>

截取的时候是要截取 div 标签内部的东西,而且要保留HTML标签,只是对其中的文字做处理。比如我可能只是截取到“李四”的“李”字,但是如果就这样放到前端的话,“李四”前面的 a 标签是没有闭合的,所以截取之后要保证HTML的语法正确。

这个问题确实不太好搞,让我郁闷了两天。请注意,这只是一个字符串,只不过内容是HTML代码,是没有什么DOM的。如果是在前端处理就好办了,直接DOM获取,然后对里面的节点进行处理,最后把innerHTML 之类的东西输出就搞定了。现在可不行了,得换个思路。同事的思路是这样的:

遍历字符串的每一个字符。设置一个标记,碰到标签开始的标记< 就置为1,接下来的字符都不记数,然后碰到>之后再开始计数。对标签内部的字符串处理的时候,还要先判断当前字符的编码是不是可能是中文,一般来说PHP中 UTF-8 编码的中文字符的长度都是3,所以如果碰到是中文字符编码,就要跳过两个不记数……说到这里我自己头已经开始大了。个人认为这种方法很不爽,首先这种精致的逻辑不太容易控制,而且 UFT-8 编码下中文产生的长度有可能是3个或4个 所以代码的严密性值得怀疑。

我个人的思路是,用 Tidy 来搞(具体用法请看PHP手册吧)。昨天研究了一下那个 Tidy ,发现这个东西还是挺好用的。首先,把这个字符串转换成 Tidy 对象,这样:

$tidy = tidy_parse_string($str, array(), ‘utf8′);  // 最后一个是设置编码的,注意,这里是utf8 ,不是utf-8,没有中间那个连线。

然后获取$tidy中的 body(因为转换之后$tidy会自动加上<head><body>等标签):

$body =  tidy_get_body($tidy);

这个时候你可以用 var_dump 看一些 $body 的结构,会发现它把每个标签都变成了一个对应的对象,里面有相应的属性。举例来说,比如 <a href=”#”>sdf</a> ,这么一条语句对应的一些属性有:

name=>”a”
value => “<a href=”#”>sdf</a>”
child=> array{[0]=>一个文本节点对象,value是 sdf}
attribute=array{”href”=>”#”}
…..其他属性

可以看到,我们其实是可以单独去处理 a 标签对应节点下面的文字节点的值的,那样就不会破坏任何HTML完整性。原来我以为改变 a 标签中文字节点的值之后, a 标签的value也会跟着改变,那样我直接返回a标签对应节点的value就OK了,没想到不是那个样子,哎,所以处理过其中的文字之后还是要自己拼出新的HTML。

知道了Tidy对象的结构之后,一切就好办了,只要遍历所有的节点,对于本需求来说,就是找到那个 div 标签,然后开始处理里面的节点。代码如下:

if(mb_strwidth($subchild->value, ‘utf-8′) >= $len)
{
$subchild->value = mb_strimwidth($subchild->value, 0, $len, ‘…', ‘utf-8′);
$trimed_str .= $subchild->value;
break;
}
else
{
$trimed_str .= $subchild->value;
$len = $len - mb_strwidth($subchild->value, ‘utf-8′);
}

里面的$subchild 就是一个子节点。注意,这里使用了 mb_strwidth 来获取字符串长度。严重推荐一下这个 mb_strwidth,很好用,它会把中文当作两个字符长度处理,正好符合这里的需求!而且截取字符串的时候用到了 mb_strimwidth,这个函数也会把中文当作两个字符长度处理,mb_ 开头的函数真是好用啊。

具体代码我就不写出来了,因为是针对一个需求写的,没做成通用的形式。哪天我有时间做成通用的再发布一下。

另外,可惜FireFox不支持 text-overflow 属性,不然也不用后台那么辛苦地去截断了。如果大家有更好的方法,欢迎提出!不胜感激。

PHP 相关文章推荐
简单的页面缓冲技术
Oct 09 PHP
php 一元分词算法
Nov 30 PHP
一些php技巧与注意事项分析
Feb 03 PHP
深入php list()函数的详解
Jun 05 PHP
jquery+php实现导出datatables插件数据到excel的方法
Jul 06 PHP
PHP下载文件的函数实例代码
May 18 PHP
深入了解PHP中的Array数组和foreach
Nov 06 PHP
php 开发中加密的几种方法总结
Mar 22 PHP
PHP使用PHPExcel实现批量上传到数据库的方法
Jun 08 PHP
学习thinkphp5.0验证类使用方法
Nov 16 PHP
Laravel框架实现多个视图共享相同数据的方法详解
Jul 09 PHP
PHP接入支付宝接口失效流程详解
Nov 10 PHP
PHP 网页过期时间的控制代码
Jun 29 #PHP
PHP 超链接 抓取实现代码
Jun 29 #PHP
PHP 文件上传功能实现代码
Jun 24 #PHP
php addslashes 函数详细分析说明
Jun 23 #PHP
PHP n个不重复的随机数生成代码
Jun 23 #PHP
PHP 七大优势分析
Jun 23 #PHP
php 404错误页面实现代码
Jun 22 #PHP
You might like
基于php在各种web服务器的运行模式详解
2013/06/03 PHP
php 伪静态之IIS篇
2014/06/02 PHP
PHP采集类snoopy详细介绍(snoopy使用教程)
2014/06/19 PHP
thinkphp制作404跳转页的简单实现方法
2016/09/22 PHP
PHP开发中csrf攻击的简单演示和防范
2017/05/07 PHP
兼容最新firefox、chrome和IE的javascript图片预览实现代码
2014/08/08 Javascript
jQuery中:not选择器用法实例
2014/12/30 Javascript
JQuery中attr方法和removeAttr方法用法实例
2015/05/18 Javascript
详解JavaScript的另类写法
2016/04/11 Javascript
js实现可旋转的立方体模型
2016/10/16 Javascript
vue脚手架中配置Sass的方法
2018/01/04 Javascript
VUE解决 v-html不能触发点击事件的问题
2019/10/28 Javascript
webpack常用配置总览(小结)
2019/11/18 Javascript
详解vue高级特性
2020/06/09 Javascript
web.py获取上传文件名的正确方法
2014/08/26 Python
python实现上传下载文件功能
2020/11/19 Python
python调用tcpdump抓包过滤的方法
2018/07/18 Python
Python面向对象程序设计构造函数和析构函数用法分析
2019/04/12 Python
使用django实现一个代码发布系统
2019/07/18 Python
python中的global关键字的使用方法
2019/08/20 Python
Python3实现zip分卷压缩过程解析
2019/10/09 Python
Python垃圾回收机制三种实现方法
2020/04/27 Python
如何理解Python中包的引入
2020/05/29 Python
英国时尚运动品牌的合集:The Sports Edit
2017/12/20 全球购物
北美Newegg打造的全球尖货海购平台:tt海购
2018/09/28 全球购物
英国领先的在线高尔夫商店:Scottsdale Golf
2019/08/26 全球购物
英国DVD和蓝光碟片购买网站:Zoom.co.uk(电影和电视)
2019/09/23 全球购物
测控技术与通信工程毕业生自荐信范文
2013/12/28 职场文书
元旦联欢会感言
2014/03/04 职场文书
竞选团支书演讲稿
2014/04/28 职场文书
电子商务系毕业生自荐信
2014/05/29 职场文书
高中生物教学反思
2016/02/20 职场文书
导游词之镇江西津古渡
2019/11/06 职场文书
Java Optional<Foo>转换成List<Bar>的实例方法
2021/06/20 Java/Android
阿里云日志过滤器配置日志服务
2022/04/09 Servers
Spring Cloud OAuth2实现自定义token返回格式
2022/06/25 Java/Android